基于LMD和高斯估值MLR模型的注采动态连通性评价

摘 要:缝洞型油藏具有多缝洞、多压力、多渗流单元的特征储层强非均质性影响了注水开发效果。为避免油藏注水后存在水驱均衡性差、部分井水窜严重等问题,需迫切开展井间连通性研究。目前基于注采生产数据的多元线性回归模型(MLR),多采取最小二乘法、遗传算法、拟牛顿法等参数求解方法,以获取表征注采井间动态连通系数。由于缝洞型油藏储集层复杂,在传统研究基础上,研究采用局部经验模态分解(LMD)对生产数据去噪,并应用高斯估值对考虑时滞性的多元线性回归模型进行参数求解。应用所建模型对塔河油田部分井组进行了井间连通性反演反演,结果和真实示踪剂测试结果吻合,表明所建模型能够定量表征油藏井间连通性。      

地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究

针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。     

一种引入Hurst指数的MEMS陀螺仪去噪模型

针对MEMS陀螺仪随机漂移产生的误差,提出一种引入Hurst指数的自适应噪声完备集成经验模态分解(CEEMDAN)与自适应卡尔曼滤波(AKF)相结合的去噪模型。首先,通过CEEMDAN对陀螺仪原始信号进行分解,得到一系列频率由高到低的本征模态函数(IMF)和一个残差余量;然后,提出Hurst指数模态筛选机制,将IMF分量划分为噪声IMF、混合IMF和信息IMF;最后,使用自适应卡尔曼滤波器对混合模态分量进行滤波并重构信号。结果表明,CEEMDAN较EMD和EEMD具有更高的分解精度;使用AKF处理混合模态,通过Hurst指数筛选机制重构信号的信噪比相较于排列熵和相关系数法分别提升约12%、36%;使用Hurst指数筛选机制,AKF处理混合模态后重构信号的RMSE较小波阈值滤波降低约23%。     

长基线时间序列季节项提取和重构方法分析

运用经验模态分解（EMD）、集合经验模态分解（EEMD）和完备总体经验模态分解（CEEMD）3种方法对原始基线时间序列进行分解,得到各自时间序列的本征函数模态分量（IMF）、相关系数及周期性强度,进而确定其季节项分量,同时通过比较季节项和原始基线时间序列的叠加功率谱图优选分解方法。结果表明,CEEMD方法对基线时间序列季节项提取和重构效果最佳。     

EEMD-多尺度排列熵的GPS高程时间序列降噪方法

针对GPS高程时间序列受各类噪声干扰的影响,导致难以提取有用信息的问题,提出一种基于整体经验模态分解(EEMD)结合多尺度排列熵(MPE)的阈值降噪方法。该方法以EEMD为核心算法,将原始信号分解成一系列本征模态函数(IMF),并采用MPE作为指标将其分类为噪声IMF、混合IMF和信息IMF;然后利用阈值函数处理混合IMF,实现二次降噪;再重构降噪后的数据与信息IMF,获得降噪结果。仿真信号和实例分析结果表明,该方法与相关系数法、MPE法相比,降噪评价指标RMSE、SNR和d_nSNR均为最优,说明该降噪方法效果最好,本文方法获得的降噪结果能够更好地反映出时间序列本身的非线性变化特性,可为GPS高程时间序列分析提供可靠依据。     

基于CEEMDAN和小波变换的地震信号随机噪声压制新方法

提出一种结合自适应噪声完备集合经验模态分解（CEEMDAN）和小波变换（WT）的地震信号去噪新方法CEEMDAN-WT。首先利用CEEMDAN将地震信号自适应地分解为若干个固有模态函数（IMF）和余量;然后计算各分量与原始信号的皮尔森相关系数,对处在不同相关系数阈值区间内的分量分别作小波滤波、维持原状及直接剔除等处理,并进行线性重构;最后构建样本熵变化量、互信息、信噪比等指标体系,定量评估去噪效果。模拟实验与实测数据（青海玛多地震）计算结果表明,与EMD、EEMD等方法相比,CEEMDAN-WT方法能有效抑制随机噪声的影响,提高信噪比,并且地震信号的精细化重构效果较好,信号有效成分得到较大保留。     

GPS高程时间序列降噪分析的改进EMD方法

针对经验模态分解(empirical mode decomposition,EMD)降噪过程中不能直接确定分界本征模态函数(intrinsic mode function,IMF)的K值,以及当高频噪声IMF分量个数少于低频IMF分量个数时,利用低频信号重构实现降噪的计算量较大等问题,提出一种新的EMD降噪方法。采用平均周期与能量密度乘积指标的方法来自动确定分界IMF的K值,将高频噪声IMF分量进行重构,然后用原始信号减去重构噪声,从而达到降噪的目的。利用模拟数据和BJFS站的实测GPS高程时间序列数据进行验证。实验结果表明,该方法能够直接确定分界IMF的K值,降低计算量,在GPS高程时间序列降噪中较传统EMD方法更可靠。     

基于多相流模型的缝洞型油藏数值模拟软件研制与应用

缝洞型碳酸盐岩油藏储集空间由溶洞、裂缝、溶蚀孔洞组成,溶洞是该类油藏的主要储集空间,也是区别 于其他类型油藏的最主要特点.现有的多重介质模拟方法无法准确描述δ充填溶洞内流体流动的特征.为此, 在多相流模型和有限体积数值解法的基础上,建立了溶洞内多相流体计算模型,实现了溶洞内多相流体流动的描 述,并针对缝洞型油藏特点研制了数值模拟软件平台.该软件实现了缝洞型油藏数值模拟的数据管理、方案管 理、模拟计算、数据显示等功能.应用实例表明该软件能够实现缝洞型油藏数值模型建立、生产历史拟合、剩余油 定量描述、潜力区域分析等工作.      

VMD-SG-WT去噪法及其在混沌去噪中的应用

为对混沌信号进行降噪,提出基于变分模态分解(VMD)的混合去噪(VMD-SG-WT)方法,首先基于各分量间的最小巴氏距离确定VMD分解模态参数,通过VMD将混沌信号分解成多个本征模态函数(IMFs);然后分别计算各个IMF分量与原始信号间的相关因数,根据相关关系指标确定IMF分量的含噪程度,对有效成分主导的信息分量重构进行Savitzky-Golay平滑滤波,对噪声主导的噪声分量重构进行小波降噪处理;最后利用平滑的信息分量与小波去噪的噪声分量进行重构,得到最终去噪的信号。采用VMD-SG-WT去噪法对Lorenz系统产生的仿真信号和实测的太阳黑子数序列进行降噪处理,并与局部投影去噪法、小波去噪法、经验模态分解(EMD)去噪法和单一VMD去噪法进行对比。结果表明:VMD-SG-WT去噪法能够有效对混沌信号进行降噪,去噪效果相对优于其他去噪方法的去噪效果。     

基于EEMD的大坝变形多步预测方法研究

针对大坝变形具有非线性和非平稳性的特点,提出一种基于集合经验模态分解(EEMD)的大坝变形多步预测新算法。首先从时频分析出发,利用集合经验模态分解将变形时间序列分解成具有不同频率特征的分量;然后采用游程判定法对波动程度相似的分量重构为高、中和低频3个分量;最后对3个分量分别建立相应的多步预测模型,叠加各预测值即为最终预测结果。经算例验证,并与AR模型、BP神经网络和支持向量机的多步预测进行对比分析,同时建立不同预测步长进一步验证。结果表明,该算法预测精度较高,在大坝变形波动剧烈的时段也能保证较好的预测效果,可以应用于大坝变形预测。     

基于CEEMD和改进小波阈值法的钢架结构沉降数据去噪方法

在钢架结构安全监测过程中,针对沉降数据易受外界环境噪声干扰的问题,在互补集合经验模态分解(CEEMD)的基础上提出改进小波阈值函数的去噪方法。首先对含噪信号作CEEMD分解,得到各种本征模函数(IMF);之后选取IMF分量使用改进小波阈值去噪;最后重构IMF信息,取得降噪后的信号。仿真结果表明,基于CEEMD和改进小波阈值法的混合方法能够有效滤除信号中的噪声分量,提高沉降数据监测精度。     

一种削弱信噪混叠的EMD降噪方法

针对经验模态分解(empirical mode decomposition,EMD)降噪过程中存在信号与噪声模态混叠及直接将分界本征模态函数(intrinsic mode function,IMF)分量归入高频噪声造成真实信号被“湮没”等问题,提出一种改进的EMD降噪方法。该方法将经EMD得到的第2个IMF分量至分界IMF分量进行重构,对重构信号进行下一次EMD,获取其中的“真实”信号,多次重复此操作,最后将所有获得的低频信号累加,从而达到降噪的目的。利用2种模拟数据和1种GPS实测高程数据进行实验,模拟数据与实测数据采用不同的评价指标评价降噪效果,结果表明,改进的EMD方法较传统EMD方法降噪效果更佳,验证了该方法的可靠性。     

基于LSTM的缝洞型油藏水淹异常模式识别及预警

大缝大洞的存在和频繁的工作制度导致缝洞型油藏含水率变化特征多样,暴性水淹预警难度大。针对传统预警方法存在的时滞性问题,采用K线理论刻画含水率生产指标变化趋势,总结出充沛型、突破型、反转型等水淹前异常模式;由于循环神经网络能够刻画生产数据间的长程相关性,采用基于循环神经网络的长短期记忆网络（LSTM）自动识别水淹异常模式特征实现暴性水淹预警。仿真实验表明基于LSTM的水淹异常模式识别模型通过变换数据尺度,较好地捕获暴性水淹前数据的整体变化趋势,识别精度明显优于支持向量机、朴素贝叶斯等模型。K线理论刻画的各类异常模式有效解决了传统预测的时滞难题,提前1~3周实现水淹预警,可以为缝洞型油藏水淹预警研究提供新的研究思路。      

一种确定分界IMF分量的改进EMD方法

针对经验模态分解(empirical mode decomposition, EMD)降噪过程中采用相关系数(p)准则确定分界本征模态函数(intrinsic mode function, IMF)分量K值存在不准确性的问题，选用复合评价指标(T)，综合考虑曲线平滑度(r)与均方根误差(RMSE)2个指标值，提出一种改进的EMD降噪方法。利用9个模拟数据和2个陆态网基准站的实测GPS高程时间序列数据进行验证，结果表明，复合评价指标比单一的相关系数指标所确定的分界IMF分量K值更准确，能够更可靠地识别噪声与信号的分界点，使降噪效果更佳。     

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下，提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法，并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明，基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求，是一种高精度的ZTD预报方法。     

利用EEMD及超导重力数据探测超低频地球自由振荡模态分裂信号:探测实例

利用2004年苏门答腊9.0级地震后GGP台网中15台超导重力仪的18组观测数据,采用EEMD分解技术及叠积技术,检测了频率小于1mHz的低频地球自由振荡的简正模(3S1、0S4、0S5)及其频谱分裂现象。通过对原始分钟间隔的超导重力数据进行预处理得到重力残差,然后运用EEMD方法将其分解到处于不同频段上的IMF分量,提高了探测低频自由振荡信号的信噪比,使一些低频自由振荡信号的谱线分裂更清晰地显现出来。结果表明,经过EEMD分解过的重力残差能更有效地检测低频自由振荡信号,得到信噪比更高的低阶球型振荡分裂谱线。该研究进一步证实了EEMD数据处理方法的有效性以及超导重力仪在低阶地球自由振荡检测中的优越性。     

利用EEMD及超导重力数据探测超低频地球自由振荡模态分裂信号：探测实例

利用2004年苏门答腊9.0级地震后GGP台网中15台超导重力仪的18组观测数据,采用EEMD分解技术及叠积技术,检测了频率小于1 mHz的低频地球自由振荡的简正模（3S1、0S4、0S5）及其频谱分裂现象。通过对原始分钟间隔的超导重力数据进行预处理得到重力残差,然后运用EEMD方法将其分解到处于不同频段上的IMF分量,提高了探测低频自由振荡信号的信噪比,使一些低频自由振荡信号的谱线分裂更清晰地显现出来。结果表明,经过EEMD分解过的重力残差能更有效地检测低频自由振荡信号,得到信噪比更高的低阶球型振荡分裂谱线。该研究进一步证实了EEMD数据处理方法的有效性以及超导重力仪在低阶地球自由振荡检测中的优越性。     

缝洞型低渗透碳酸盐岩油藏产量递减曲线分析

针对缝洞型低渗碳酸盐油藏,建立考虑启动压力梯度和动边界共同影响的三重介质低渗透油藏非线性非稳态渗流模型.鉴于数学模型的非线性和非齐次性,通过引入新定义的压力(量纲一)线性化压力扩散方程,应用Laplace变换和Duhamel原理结合Stehfest数值反演对模型进行求解,获得三重介质低渗油藏产量递减典型曲线,在产量递减双对数图上出现3个递减阶段和2个相对平缓稳定阶段;分析启动压力梯度、溶洞窜流系数、基质窜流系数、裂缝弹性储容比和溶洞弹性储容比与基质弹性储容比之比等敏感参数对产量(量纲一)的影响规律.计算分析表明,启动压力梯度越大,中后期产量递减曲线下降幅度越大.通过绘制的产量递减曲线图版,可以预测缝洞型低渗透碳酸盐岩油藏未来产量的变化.     

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

基于CEEMDAN和小波包多阈值的GNSS高程时间序列去噪方法

为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）方法将信号分解成若干个特征模态函数（intrinsic mode function,IMF）,对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。